成性

2021年7月29日机构名称:

智能辅导系统作为设计教育中形成性评估的工具

摘要在增加数字化时期，大学正在转向数字媒体来促进有效的学习。除了提供全面的学习平台外，还提供了学习材料和交流选择，在许多学科领域还开发了互动和自适应学习计划。这些所谓的智能辅导系统被用作讲座的工具，以使课程更加多样化，从而更有效。本文报告了使用智能辅导系统的使用，该系统被嵌入到计算机辅助设计教育中的形成性评估工具。系统使用了一百多个学期的机械工程专业的学生来为设计课程做准备。评估获得的系统数据然后讨论。结果表明，在形成性评估的框架内，智能辅导系统可以帮助学生完成开放的设计任务，并通过支持反馈使他们获得有效的解决方案。此外，本文介绍了系统数据的使用来通过检测和评估学生的知识差距和误解来改善课程。

查看详细

File

2021年5月26日机构名称:

教师的形成性评估策略

1：ABC头脑风暴 - 在单位中途使用ABC头脑风暴策略，为您提供有关学生对特定主题的知识的信息。分别以成对，小组或班级的方式分别工作，学生集思广益单词或短语，这些单词或短语以字母的每个字母开头，并且与当前的研究单位有关。在一个方面的单元中途，学生可以在“ M”旁边写“聚会地点”，然后在字母“ S”旁边写下“停止，掉落和滚动”。浏览头脑风暴列表可以帮助您确定缺少哪些信息，并为计划机会提供指导，以专注于学生学习中的这些差距。可以与ABC头脑风暴评估策略一起使用的图形组织器，请访问https://www.studenthandhandouts.com/graphic-organizers/ 2：类比 - 要求学生在他们熟悉的事物与所学的新信息之间创建类比。当被要求创建一个原子的类比时，学生可能会想到一个像社区一样的原子。原子的核就像您的直系亲属。围绕核飞行的电子就像您可能定期与之相互作用的社区成员。要求学生解释他们的类比将显示他们对一个话题的理解的深度。3：清单 - 课堂清单是在研究单位期间收集有关学生数据的绝佳工具。在开始一个新单元之前，请列出学生将需要掌握该部门结果的所有技能。在图表上，在左侧列出学生的名字以及顶部的技能。将图表夹在剪贴板上，并将其放在易于访问的地方。当学生参与各种学习机会时，观察学生并查看您看到学生表现出的技能。个人清单也可用于收集有关学生学习的数据。学生和/或老师填写清单。4：合唱回应 - 如果您需要快速评估学生理解，请要求学生回答“作为课程”的一系列问题。如果您仔细聆听响应的数量和内容，您将对学生是否清楚您的展示情况有一个很好的了解。合唱反应鼓励所有学生积极参与评估过程。5：堵塞程序 - 可使用披肩程序来确定学生对特定主题或研究单位的理解水平。创建或使用与单元相关的段落。确保通过对学生的可读性水平。可能需要以不同的可读性水平的两个或三个段落来容纳班上的所有学生。一定要完整地留下第一个和最后的句子，以帮助学生理解。在线可用的两个网站可用于创建紧密的段落。6：概念图 - 概念图是一种网络，可视觉表示学生对所研究特定主题的理解。Google“概念地图图形组织者”，用于您的学生可以使用的各种可打印概念地图。学生在页面中心的椭圆形中打印主题或主要想法。然后，他们在中心椭圆形周围的空间中编写支撑细节。根据学生的年龄和能力，他们还可以将类似的支持细节分组在一起。使用概念图是必须向学生讲授的技能。一旦学生熟悉概念图，它们就可以用作任何主题领域的形成性评估策略。7：会议 - 可以与班上每个学生或您想进一步评估他们的学习的精选学生一起进行一对一的会议，对学生的理解进行形式上评估。提前确定目标问题，以确保您收集与目标或结果有关的信息。在会议期间请记录在规划指令时以后参考。

查看详细

Moodle和Socrative测验作为传统理论教学的形成性辅助工具，以改善学生在化学工程主题中的动力和成果

File

2021年2月1日机构名称:

Moodle和Socrative测验作为传统理论教学的形成性辅助工具，以改善学生在化学工程主题中的动力和成果

对在教学中使用技术的积极影响有多数意见。但是，很少有研究能够影响他们对学生的最终成绩的影响。传统理论教学通常表明缺乏学生的动力，参与和自我效果。改进这些方法的一种方法是包括测验，这可能使学生能够获得技能获取反馈和自我调节，并控制自己的构建知识的方式。建议的方法嵌入了两个ICT的测验和测试，每个ICT都有不同的策略。一个是使用苏格兰的快速和实时测验，专注于促进课堂上的动力和参与。第二个是与Moodle一起使用测试，以进行更长的时间尺度（课程块）。测试和测验都被设计为形成性活动：学生能够获得喂养，弱点识别和更好的工作编程。三个“工具”（一个Moodle测试；三个苏联测验；没有工具 /唯一的传统教学）在化学工程学科中的三个不同的队列和块中旋转了n = 49名学生）。通过块评估了最终理论考试中学生学习成果（成绩）的影响。配对数据的一因素ANOVA测试在使用Moodle测试或苏格拉外测验中没有明显的统计差异。确定了一些对数据的负面影响，并进行了进一步研究的改进。测验和测试的强度可能是相关的。尽管没有获得对等级的显着改进，但两种工具的使用都对学生和讲师产生了积极价值。调查的结果表明，所提出的方法可能会创造更具吸引力和自我调节的教育环境。但是，这项研究支持学生以前对工具的看法可能调节他们对ICT对学习的真正援助及其未来学术成果的最终看法。

查看详细

File

2020年12月17日机构名称:

生成模型提出的分子的可合成性

摘要：功能性分子的发现是一个昂贵且耗时的过程，小分子治疗药物发现成本的上升就是一个例证。在早期药物发现中，一类越来越受关注的技术是从头分子生成和优化，而这种技术的发展得益于新的深度学习方法的发展。这些技术可以提出新的分子结构，旨在最大化多目标函数，例如，作为针对特定靶点的治疗的适用性，而无需依赖于对化学空间的强力探索。然而，由于对可合成性的无知，这些方法的效用受到阻碍。为了强调这一问题的严重性，我们使用数据驱动的计算机辅助合成规划程序来量化最先进的生成模型提出的分子无法轻易合成的频率。我们的分析表明，尽管这些模型在流行的定量基准上表现良好，但在某些任务中它们会生成不切实际的分子结构。综合复杂性启发法可以成功地将生成偏向于综合可处理的化学空间，尽管这样做必然会偏离主要目标。该分析表明，为了提高这些模型在实际发现工作流程中的实用性，有必要开发新的算法。■ 简介

查看详细